基于深度學(xué)習(xí)的圖像分割方法，主要研究領(lǐng)域是在于語義分割，即根據(jù)圖片內(nèi)容，將圖像分為多個有含義的部分，對于農(nóng)產(chǎn)品分類而言有著革命性的意義。全卷積網(wǎng)絡(luò)FCN是深度學(xué)習(xí)用于進行圖像分割的先驅(qū)，以分類模型AlexNet為基礎(chǔ)，將其3層全連接層轉(zhuǎn)化為反卷積層進行上采樣，從而將輸出有特征分類轉(zhuǎn)化為區(qū)域特征熱力圖。
農(nóng)產(chǎn)品檢測實驗室可設(shè)置如下幾個部分：業(yè)務(wù)收樣室、樣品貯藏室、樣品處理室、試劑貯藏室、樣品檢測前處理室、儀器分析室、稱量室、烘干室、標(biāo)準(zhǔn)溶液配置室、感官分析室、品質(zhì)分析室、微生物檢測室、成分檢測室、食品毒理分析室等。每個部分都有基本要求和特殊要求，業(yè)務(wù)收樣室主要與客戶打交道，接收樣品和發(fā)送檢測報告，處理客戶抱怨，是實驗室工作的窗口，應(yīng)設(shè)置在建筑物的一層靠近門廳的位置或者每層建筑中廳的位置，總之，一切以方便客戶為準(zhǔn)則。
圖像分割算法是用于農(nóng)產(chǎn)品光電檢測分級分類的基礎(chǔ)任務(wù)，傳統(tǒng)算法的優(yōu)勢在于結(jié)構(gòu)簡單，，但對復(fù)雜環(huán)境的適應(yīng)性較弱。深度學(xué)習(xí)方法受到環(huán)境影響較少，但需大量樣本支持，如何正確的獲取樣本，以及提高算法的整體效率是當(dāng)前需要解決的主要問題。在實際使用中，深度學(xué)習(xí)由于性能問題尚無法完全取代傳統(tǒng)算法，使用者可以根據(jù)具體的需求選擇合適的算法。
在線客服
17856548804
2179259773@qq.com
